1.序由于笔者目前用python比较多，所以想安装下pySpark，并且在pyCharm中调用。（1）jdk-8u91-windows-x64.exe（2）spark-1.3.0-bin-hadoop2.4.tgz在2.安装（1）jdk默认安装（2）spark-1.3.0-bin-hadoop2.4.tgz先进行解压。假设目录为E:\spark-1.3.0-bin-had

讲在前面完整代码可在我的github上下载，Good Good Study,Day Day Up!pandas绘图显示 : plt.show()保存到本地 : plt.savefig(‘image.png’)%matplotlib inlineimport pandas as pdimport matplotlib.pyplot as pltpresent = pd.read_table('d

1.背景Steffen Rendle于2010年提出Factorization Machines（下面简称FM），并发布开源工具libFM。FM的提出主要对比对象是SVM，与SVM相比，有如下几个优势（1）对于输入数据是非常稀疏（比如自动推荐系统），FM可以，而SVM会效果很差，因为训出的SVM模型会面临较高的bias。（2）FMs拥有线性的复杂度, 可以通过 primal 来优化而不依赖于

简介在STL中Vector这一容器，无论是在封装程度还是内存管理等方面都由于传统C++中的数组。本文主要是关于使用Vector初始化、遍历方面的内容。其他二维的思想也是类似的。1.初始化（1）利用Vector的push_back函数vector<vector<int>> vec;vector<int> a;a.push_back(1);a.push_back(2);a.push_b

写在前面为了更方便读者学习，笔者下载了word2vec源码共享在云盘（google官网有时会访问不了），地址。还有关于word2vec实战的地址下面是转载内容：word2vec 是 Google 于 2013 年开源推出的一个用于获取 word vector 的工具包，它简单、高效，因此引起了很多人的关注。由于 word2vec 的作者 Tomas Mikolov 在两篇相关的论文 [3,4]

1.介绍Keras是基于Theano的一个深度学习框架，它的设计参考了Torch，用Python语言编写，是一个高度模块化的神经网络库，支持GPU和CPU。keras官方文档地址 地址2.流程先使用CNN进行训练，利用Theano函数将CNN全连接层的值取出来，给SVM进行训练3.结果示例因为这里只是一个演示keras&SVM的demo，未对参数进行过多的尝试，结果一般

序深度学习现在大火，虽然自己上过深度学习课程、用过keras做过一些实验，始终觉得理解不透彻。最近仔细学习前辈和学者的著作，感谢他们的无私奉献，整理得到本文，共勉。1.前言（1）神经网络的缺陷在神经网络一文中简单介绍了其原理，可以发现不同层之间是全连接的，当神经网络的深度、节点数变大，会导致过拟合、参数过多等问题。（2）计算机视觉（图像）背景通过抽取只依赖图像里小的子区域的局部特征，然后利用这些特

1.初识深度信念网络　　深度信念网络是一个概率生成模型，与传统的判别模型的神经网络相对，生成模型是建立一个观察数据和标签之间的联合分布，对P(Observation|Label)和 P(Label|Observation)都做了评估，而判别模型仅仅而已评估了后者，也就是P(Label|Observation)。　　DBNs由多个限制玻尔兹曼机（Restricted Boltzmann Machin